随着科学技术的发展,各个行业均面临技术革新,制造领域同样面临着机遇和挑战。调度是实现制造企业高生产率、高可靠性和柔韧性的关键。为了提高自身的综合竞争力,各个制造企业越来越关注如何提高复杂多变的生产活动中的调度效率,以此来缩减企业的生产成本,增加自身的利润,并且及时应对客户的各种需求变化,所以动态车间调度问题的研究在制造领域中占据越来越重要的位置。目前为止,关于动态作业车间调度问题的理论研究比较少,所以本文提出了一些解决动态作业车间调度问题的方法。1.本文首先研究了GEP的基本原理,结合动态作业车间的特性,提出了一种基于GEP算法的动态车间调度问题的研究框架。该框架包括进化学习和调度测试两个阶段:在学习阶段,采用GEP进行进化计算,构造高效的调度规则;然后在调度测试阶段,运用该调度规则对动态车间进行实时的调度决策,利用车间性能指标对产生的调度规则进行评价。2.本文围绕上述所说的动态车间调度框架,以车间工件到达时间动态不确定为例,提出了一种基于GEP的双种群进化算法,用于解决动态车间调度问题。该算法采用多基因染色体结构,进化过程分为两个种群,一个主要强调收敛性,另一个种群强调参与进化的个体的多样性,增大最优解的搜索范围。通过构造的动态车间模型对该算法进行仿真实验,与其他方法进行比较,得到了比较好的结果。3.在实际作业生产中,车间需要优化的目标函数可能不止一个,比如最大完工时间,延迟时间等,所以研究多目标动态车间调度问题是很有必要的。借鉴上述单目标动态车间调度方法,提出了一种基于双种群进化的多目标GEP算法,用于解决多目标动态作业车间调度问题。该方法借鉴GEP的编码方式,采用两个种群协同进化,并且针对特定的种群设置了独特的更新机制。利用构造的动态车间对算法的性能进行测试,并与其他的多目标进化算法对比,该算法得到的调度规则效率更高。